Details

Title: Методы распознавания образов с использованием глубоких нейронных сетей: выпускная квалификационная работа магистра: 27.04.03 - Системный анализ и управление ; 27.04.03_01 - Теория и математические методы системного анализа и управления в технических и экономичеких системах
Creators: Мельников Константин Алексеевич
Scientific adviser: Нестеров Сергей Александрович
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Imprint: Санкт-Петербург, 2019
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: машинное обучение; глубинное обучение; обучение с учителем; сверточная нейронная сеть; классификация; алгоритм обратного распространения ошибки; перекрестная проверка; видеоаналитика; machine learning; deep learning; supervised learning; convolutional neural networks; classificztion; backpropagation algorythm; computer vision
Document type: Master graduation qualification work
File type: PDF
Language: Russian
Speciality code (FGOS): 27.04.03
Speciality group (FGOS): 270000 - Управление в технических системах
Links: Отзыв руководителя; Рецензия; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2019/vr/vr19-5346
Rights: Доступ по паролю из сети Интернет (чтение, печать, копирование)

Allowed Actions:

Action 'Read' will be available if you login or access site from another network Action 'Download' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

Объект исследования: свёрточная нейронная сеть, классификатор на ее основе. Цель работы - исследование медотов и применение методов глубинного обучения при разработке программно-аппаратного комплекса для записи и анализа видеопотока на оснвое нейросетевых классификаторов, способного детектировать изменения мимики и расположения человека в пространсте. В работе представлены математическая модель классификатора на основе свёрточной нейронной сети, структура данной модели, алгоритм обучения на основе стохастического градиентного спуска и метода обратного распространения ошибки. Для предотвращения переобучения использовался метод регуляризации, оптимальные параметры которой определялись на основе перекрестной проверки. Проведены тестирование синтезированного классификатора и оценка точности классификации.

The aim of the thesis is the comparative analysis of deep learning methods used in the development of video analytics software. The object of the research is the deep neaural networks used in classificatoin. The thesis consists of three chapters. The first chapter presents an overview of the basic concepts of machine and deep learning, such as common problems, neaural newtorks, regularisation. The second chapter introduces the main tools used for neural network trainig. The third chapter contains comparative analysis of used neural network used if development.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print Download
Internet Authorized users Read Print Download
-> Internet Anonymous

Usage statistics

stat Access count: 49
Last 30 days: 0
Detailed usage statistics